公开(公告)号：CN119920093A

公开(公告)日：2025-05-02

申请号：CN202510001196.4

申请日：2025-01-02

Applicant: 吉林大学

Inventor： 郭洪艳 ,  谢鸿楠 ,  孟庆瑜 ,  刘嫣然 ,  邵小龙 ,  胡仕博

IPC: G08G1/01 ,  G01C21/20 ,  G06F16/29 ,  G06F16/9537 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明提供的一种考虑逐步双向交互的车辆轨迹预测方法，构建了可以充分提取车辆之间双向交互信息的网络模型，通过逐步提取被预测车辆与周围其他车辆的轨迹和空间位置信息作为输入，使用编码架构对车辆轨迹进行运动编码，结合车辆之间的逐步双向交互关系，准确预测出车辆的未来轨迹，并且充分考虑车辆之间复杂的相互影响，为被预测车辆和周围车辆针对各自情况构建了不同的观测张量，并使用卷积池化网络提取车辆间的空间信息，合理处理不同车辆间的相互作用信息，最后将提取出的交互信息输入解码器中，分多段得到被预测车辆的未来轨迹，充分考虑被预测车辆和周围车辆的未来轨迹对彼此的影响，提高轨迹预测的精度。

公开(公告)号：CN119283865A

公开(公告)日：2025-01-10

申请号：CN202411634480.7

申请日：2024-11-15

Applicant: 吉林大学

Inventor： 郭洪艳 ,  胡仕博 ,  段胜 ,  邵小龙 ,  谢鸿楠 ,  刘俊

IPC: B60W30/18 ,  G06N3/092

Abstract: 本发明提供了一种基于Level‑k博弈算法的车辆超车决策方法，首先，该方法考虑车辆实际行为的不确定性，建立了含有车辆质心位置不确定性的动力学模型及预测模型；其次，设计车辆的状态集合、动作集合及奖励函数来描述车辆在城市道路上的超车情形；然后，基于车辆之间的Level‑k博弈框架来构建车辆在城市道路上的超车问题；最后，在Level‑k博弈算法框架的基础上，基于强化学习中的Q‑Learning算法从车辆动作集合中得到车辆最优超车动作序列，保证主车及时进行超车决策。